前言

上一篇文章中，我们将跳伞划分为两个阶段，分别是坐飞机阶段，跳伞滑行阶段。坐飞机阶段很简单，就是一个匀速直线运动，飞机速度是500km/h。跳伞滑行阶段则比较复杂，至少需要分为四个阶段，分别是直飞阶段、开垂阶段、垂落阶段、压伞阶段。我们试过了对这四个阶段进行建模，然后计算时间，得出的结果却与游戏经验有较大差距。简单来说就是，待飞距离x约等于直线距离d加一百米。这明显不是最快的跳伞方法。经过多次对模型公式、数据的检查，没有发现错误，那只能得出一个结论，pubg采用的游戏引擎与真实世界有差异。回头想想也对，飞机速度是人物滑行速度的3倍，怎么着都得多坐一会飞机，尽可能逼近目的地然后再跳伞吧。游戏经验却告诉我们不是这么回事，那么只能说游戏的三维空间不均匀，不满足各向同性。如果站在程序员的角度思考，就解释得通了，计算机资源有限，大多数游戏角色大部分时间都集中在地面附近活动，那么高空的建模肯定要做近似处理，不能像地面一样耗费大量资源做精细建模，或许就是这个近似处理导致了误差。

思考

既然跳伞滑行阶段要进行高度上的大尺度移动，而建模结果又与游戏经验不符合，那么我们只能尝试绕开它。所以我们对模型进行简化，同样还是分为两个阶段，分别是坐飞机阶段、跳伞滑行阶段。但是跳伞滑行阶段的时间t2我们不通过数学计算来得到，直接通过测试在游戏内采集，那么就能回避上面提到的问题。而坐飞机时间t1很简单，就是匀速直线运动，而且高度不变， 一直是1500m，也回避了上面提到的问题。

实践

如何采集t2我尝试介绍得详细一点，方便有心人和后来者完善超越。我们知道x的变化范围是从d到L，我们只需要采集一些离散点的值就行，例如x为150、200、300、……、1200、1250。补充一下，最小平飞距离约为150m，最大平飞距离约为1250m。

1.      以测量800m的跳伞时间为例。补充一下，地图有5级缩放，分别对应的比例尺是411 m/cm、196.1 m/cm、102.7 m/cm、51.5 m/cm、25.7m/cm。标出一个目的地，然后计算出地图上的距离，以中间的三级缩放为例，800÷102.7≈7.8。

2.      用屏幕标尺软件找到航线上距离目的地标点为7.8cm的起跳点，并做出两点之间连线。

3.      从起跳点附近跳伞，朝着目的地直飞，保持飞行轨迹在地图上呈直线状态。

4.      落地后不要移动，测量从实际起跳点到实际落点之间的距离为7.7cm，通过比例尺换算成实际距离，7.7*102.7=790.79。

5.      通过视频剪辑软件找到出舱瞬间至落地瞬间的用时t2=37.22。就可以得到一组对应的取值x=790.79，t2=37.22。

公式

此时的计算公式如下

测试说明

其中，L=1250，x=790.79，v=138.9，t2=37.22，当d=0、50、100、……、1200、1250时，我们可以求得对应的T。以此类推，我们可以测试x为150、200、300、……、1200、1250附近对应的t2。考虑到测量的误差，所以这个对应关系还是不准确。需要大量测试来逼近极限值，只要保证x增大，t也增大，那么结果就可以接受，如果x增大，t反而减小了，说明前一个x的测试不够准确，没有逼近极限，需要再次测试。例如x=494.4时，t=35，假如再次测试x=612.85时，t=34.88<35，说明x=494.4时的极限用时也应该小于34.88，需要重新测试。整个研究的工作量就在这里，这里测得越精确，那么我们得到的最终结果就越精确。

更新结果只需要更新这部分代码，把键值对改一下就行，其他地方完全不用动。

代码

假设我们已经得到了足够精确的对应关系，我们写出python代码，让计算机帮我们算出T、x、d的对应关系，并且做成表格。

对表格数据进行处理，找出最小值，然后我们就可以得到当d等于某一个具体值时，对应的x的最小取值。图中显示，目的地与航线距离d小于700时，都采用801.6≈800m跳法最快，d介于700和1000中间时采用1200米跳法最快，d大于1000采用1250米跳法最快，也就是平飞。

总结

上图的最终结果不一定准确，但是能看出已经部分贴近游戏经验了，800m确实是一个万金油跳法。如果职业玩家不满足于这个近似结果，那么只需要照着流程去大量测试x和t的对应关系，逼近极限，然后修改代码重新计算做表格，那么我们将得到一个无限趋近于最优跳法的结果。领先0.1s就可以领先1.5m，完美主义者的福音。

对于普通玩家，也有一个比800m万金油跳法更好的选择，x=(d+L)/2，这个结果是在大量测试中凭直觉猜的一个公式。对应关系如下。

我用这个表格去普通匹配模式跳宿舍楼测试了二十局左右，暂时还没有碰见更快的玩家，也可能是强度不够高，感兴趣的普通玩家可以去排位模式测试一下。职业玩家就没必要参考这个凭感觉猜测的结果了，还是第一种方法通过大量测试计算才能达到职业比赛的精度要求。

结语

有志者，事竟成，破釜沉舟，百二秦关终属楚；

苦心人，天不负，卧薪尝胆，三千越甲可吞吴。

Python的运行环境和视频剪辑软件clipchamp的使用都不算困难，希望有兴趣的人可以多动手尝试，获取一手数据，修炼成自己的葵花宝典。

涉及工具

屏幕标尺软件《fastone capture》

视频剪辑软件《clipchamp》

AI软件《chatgpt》

代码编辑软件《idea》

绘图软件《onenote》

表格处理软件《excel》